Sachin Baglia, Vice-Président Associée et Responsable de la Business Intelligence, Big Data and Analytics practice pour la région Europe, Infosys
Dans le contexte de la COVID-19, la gestion du fonds de roulement est plus que jamais une priorité. Les entreprises qui ne gèrent pas leur positionnement concernant les flux de trésorerie correctement auront bien du mal à survivre. Selon Gartner, cet excédent de trésorerie est nécessaire pour financer les dépenses opérationnelles et d'autres frais. Des exemples dans l'industrie soutiennent cette conclusion. Avec les fluctuations de la demande en pétrole et en gaz qui ont agité l'industrie de l'énergie en mars, Shell, le groupe anglo-néerlandais, a réduit son fonds de roulement pour libérer les flux de trésorerie. De même, Countrywide PLC, une agence de crédit-bail résidentiel au Royaume-Uni, a déclaré qu'elle allait « équilibrer soigneusement les obligations de paiement entre les petits et gros fournisseurs pour gérer le cycle du fonds de roulement ».
En clair, le fonds de roulement est un indicateur permettant de mesurer le surplus de trésorerie d'une entreprise, il est utilisé par les directeurs financiers pour déterminer la santé et la liquidité de leur société. L'équation ajoute l'argent lié aux biens (stocks) à l'argent dû par les clients (débiteurs), puis soustrait l'argent dû aux fournisseurs (créditeurs). L'optimisation de cette équation au fil du temps, basée sur l'efficacité interne, les marchés externes et d'autres facteurs, donne aux directeurs financiers un aperçu complet de la situation pour savoir où et comment réinvestir les capitaux. La stratégie peut impliquer d'emprunter davantage auprès des institutions financières ou de négocier de meilleurs accords avec des fournisseurs qui se trouvent dans des situations financières moins risquées. En s'attaquant aux pratiques médiocres, PwC a découvert en 2019 que les entreprises cotées dans le monde pouvaient libérer 1 300 milliards d'euros de leurs bilans. Or à l'heure actuelle, avec les risques liés aux flux de trésorerie qui explosent à cause de la COVID-19, récupérer cet argent n'a jamais été aussi important.
Le décalage du fonds de roulement
Toutefois, un problème demeure. En effet, le fonds de roulement est souvent déconnecté de l'intelligence en temps réel, et les agents financiers fondent leurs stratégies sur une simple intuition plutôt que sur des modèles concrets de science des données. Et il y a une raison à cela. Historiquement, il a toujours été difficile de rassembler des données pour prendre des décisions en temps réel. Les chaînes d'approvisionnement sont complexes. Il en va de même pour le paysage des données dans les grandes entreprises, dont beaucoup utilisent plusieurs systèmes ERP (PGI, progiciel de gestion intégré) et solutions de gestion de capital. Même lorsque des perspectives basées sur des données sont utilisées, les unités opérationnelles cloisonnées effectuent des analyses sans se consulter entre elles, sur des plateformes différentes et dans divers formats. Par exemple, le service des ventes peut calculer les comptes débiteurs, tandis que l'équipe des achats calcule les comptes créditeurs, ce qui empêche la prise de décisions optimales en matière de placements et d'emprunts. En outre, la collecte et la préparation des données constituent des activités lourdes, qui ralentissent le processus décisionnel. Les données sont rarement suffisamment granulaires et négligent les informations pertinentes qui peuvent être obtenues à partir des Big Data, telles que les tendances du marché ou les sentiments des clients.
Pourtant, une telle analyse, lorsqu'elle est bien faite, peut être utilisée pour déterminer les risques des acheteurs comme des fournisseurs. Cela donnerait aux entreprises une stratégie sûre, même lors d'événements exceptionnels ; elles pourraient décider d'offrir des remises aux acheteurs ou de vendre une facture à une banque pour atténuer le risque lié aux flux de trésorerie.
Obtenir les données pertinentes
Quelles sont donc les données nécessaires exactement ? Pour accélérer la cadence, les entreprises doivent créer un cadre d'acquisition de données qui extrait les données de la finance d'entreprise. Ces ensembles de données incluent des données maîtres granulaires et de transaction qui vont jusqu'au niveau des factures. Voici quelques exemples :
Actifs actuels : il s'agit de comptes débiteurs sous forme de factures de vente, de stock et de solde de trésorerie.
Passif actuel : il s'agit des comptes créditeurs, y compris les notes de crédit, les intérêts sur les prêts et les factures d'achat.
Les données provenant des finances de la chaîne d'approvisionnement comme les taux d'emprunt et les processus commerciaux, notamment « de la commande au paiement » et « de la demande d'achat au paiement ».
Le délai moyen de recouvrement des créances clients (DSO) et le délai moyen de paiement des fournisseurs (DPO) cibles.
Les Big Data provenant de sources externes, y compris les taux de change, les tarifs marchandises et l'impact de la COVID-19 par région.
Générer des informations exploitables
Une plateforme intégrée doit recueillir ces données, puis attribuer des pondérations et des scores à chaque entrée. Grâce à l'apprentissage automatique, les directeurs financiers peuvent affiner en permanence les connaissances qui en découlent. La plateforme doit offrir les avantages suivants :
Les délais moyens du DSO et du DPO peuvent être modifiés en temps réel, ce qui permet au directeur financier de fixer des objectifs pour chaque trimestre.
À partir des analyses des comptes créditeurs et débiteurs, le système doit indiquer au directeur financier l'ordre dans lequel il doit payer ou collecter les factures pour un flux de trésorerie optimal. Le système doit lui permettre de saisir ses propres cycles de paiement/recouvrement s'il veut limiter les recommandations à ces cycles.
L'impact de la COVID-19 doit être étudié au niveau des clients et des fournisseurs, afin que le directeur financier puisse prendre les décisions prévisionnelles appropriées en cas de défaut ou de retard de paiement.
Pour une grande entreprise, cette plate-forme augmenterait l'intelligence des systèmes ERP (PGI), et pour les petites entreprises, elle permettrait d'optimiser rapidement les comptes débiteurs et créditeurs. Dans les deux cas, la missiondu directeur financier serait transformé. Moins de temps serait consacré à essayer d'obtenir des informations, ce qui laisserait plus de temps pour mener des conversations stratégiques sur le fonds de roulement avec l'écosystème dans son ensemble.
En clair, le fonds de roulement est un indicateur permettant de mesurer le surplus de trésorerie d'une entreprise, il est utilisé par les directeurs financiers pour déterminer la santé et la liquidité de leur société. L'équation ajoute l'argent lié aux biens (stocks) à l'argent dû par les clients (débiteurs), puis soustrait l'argent dû aux fournisseurs (créditeurs). L'optimisation de cette équation au fil du temps, basée sur l'efficacité interne, les marchés externes et d'autres facteurs, donne aux directeurs financiers un aperçu complet de la situation pour savoir où et comment réinvestir les capitaux. La stratégie peut impliquer d'emprunter davantage auprès des institutions financières ou de négocier de meilleurs accords avec des fournisseurs qui se trouvent dans des situations financières moins risquées. En s'attaquant aux pratiques médiocres, PwC a découvert en 2019 que les entreprises cotées dans le monde pouvaient libérer 1 300 milliards d'euros de leurs bilans. Or à l'heure actuelle, avec les risques liés aux flux de trésorerie qui explosent à cause de la COVID-19, récupérer cet argent n'a jamais été aussi important.
Le décalage du fonds de roulement
Toutefois, un problème demeure. En effet, le fonds de roulement est souvent déconnecté de l'intelligence en temps réel, et les agents financiers fondent leurs stratégies sur une simple intuition plutôt que sur des modèles concrets de science des données. Et il y a une raison à cela. Historiquement, il a toujours été difficile de rassembler des données pour prendre des décisions en temps réel. Les chaînes d'approvisionnement sont complexes. Il en va de même pour le paysage des données dans les grandes entreprises, dont beaucoup utilisent plusieurs systèmes ERP (PGI, progiciel de gestion intégré) et solutions de gestion de capital. Même lorsque des perspectives basées sur des données sont utilisées, les unités opérationnelles cloisonnées effectuent des analyses sans se consulter entre elles, sur des plateformes différentes et dans divers formats. Par exemple, le service des ventes peut calculer les comptes débiteurs, tandis que l'équipe des achats calcule les comptes créditeurs, ce qui empêche la prise de décisions optimales en matière de placements et d'emprunts. En outre, la collecte et la préparation des données constituent des activités lourdes, qui ralentissent le processus décisionnel. Les données sont rarement suffisamment granulaires et négligent les informations pertinentes qui peuvent être obtenues à partir des Big Data, telles que les tendances du marché ou les sentiments des clients.
Pourtant, une telle analyse, lorsqu'elle est bien faite, peut être utilisée pour déterminer les risques des acheteurs comme des fournisseurs. Cela donnerait aux entreprises une stratégie sûre, même lors d'événements exceptionnels ; elles pourraient décider d'offrir des remises aux acheteurs ou de vendre une facture à une banque pour atténuer le risque lié aux flux de trésorerie.
Obtenir les données pertinentes
Quelles sont donc les données nécessaires exactement ? Pour accélérer la cadence, les entreprises doivent créer un cadre d'acquisition de données qui extrait les données de la finance d'entreprise. Ces ensembles de données incluent des données maîtres granulaires et de transaction qui vont jusqu'au niveau des factures. Voici quelques exemples :
Actifs actuels : il s'agit de comptes débiteurs sous forme de factures de vente, de stock et de solde de trésorerie.
Passif actuel : il s'agit des comptes créditeurs, y compris les notes de crédit, les intérêts sur les prêts et les factures d'achat.
Les données provenant des finances de la chaîne d'approvisionnement comme les taux d'emprunt et les processus commerciaux, notamment « de la commande au paiement » et « de la demande d'achat au paiement ».
Le délai moyen de recouvrement des créances clients (DSO) et le délai moyen de paiement des fournisseurs (DPO) cibles.
Les Big Data provenant de sources externes, y compris les taux de change, les tarifs marchandises et l'impact de la COVID-19 par région.
Générer des informations exploitables
Une plateforme intégrée doit recueillir ces données, puis attribuer des pondérations et des scores à chaque entrée. Grâce à l'apprentissage automatique, les directeurs financiers peuvent affiner en permanence les connaissances qui en découlent. La plateforme doit offrir les avantages suivants :
Les délais moyens du DSO et du DPO peuvent être modifiés en temps réel, ce qui permet au directeur financier de fixer des objectifs pour chaque trimestre.
À partir des analyses des comptes créditeurs et débiteurs, le système doit indiquer au directeur financier l'ordre dans lequel il doit payer ou collecter les factures pour un flux de trésorerie optimal. Le système doit lui permettre de saisir ses propres cycles de paiement/recouvrement s'il veut limiter les recommandations à ces cycles.
L'impact de la COVID-19 doit être étudié au niveau des clients et des fournisseurs, afin que le directeur financier puisse prendre les décisions prévisionnelles appropriées en cas de défaut ou de retard de paiement.
Pour une grande entreprise, cette plate-forme augmenterait l'intelligence des systèmes ERP (PGI), et pour les petites entreprises, elle permettrait d'optimiser rapidement les comptes débiteurs et créditeurs. Dans les deux cas, la missiondu directeur financier serait transformé. Moins de temps serait consacré à essayer d'obtenir des informations, ce qui laisserait plus de temps pour mener des conversations stratégiques sur le fonds de roulement avec l'écosystème dans son ensemble.